Preise für KI-Token in China fast verdoppelt, täglicher Verbrauch erreicht 500 Billionen

Mehr KI-Nutzung, höhere Preise und längere Wartezeiten bis zum Beginn

Der tägliche Verbrauch von Tokens künstlicher Intelligenz in China erreichte im Juni 2026 rund 500 Billionen. Das ist fast das Vierfache des Werts vom Dezember 2025, wie die China Academy of Information and Communications Technology (CAICT) mitteilte. Mit der Nachfrage stiegen auch die Preise: Der durchschnittliche Inlandspreis, auf eine gemeinsame Vergleichsbasis umgerechnet, erhöhte sich von 6,8 Yuan im zweiten Halbjahr 2025 auf 13,46 Yuan im Jahr 2026 – ein Anstieg um rund 98 Prozent.

Der am 23. Oktober veröffentlichte Bericht zur Leistungsüberwachung von Token-Diensten für große Modelle der CAICT (2026) dokumentiert auch eine Veränderung, die Nutzer unmittelbar bemerken könnten. Inländische Modelle erzeugten im August etwa doppelt so schnell Text wie im Durchschnitt des Jahres 2025, brauchten jedoch länger bis zum ersten Token. Sobald die Antwort begann, kam sie schneller; bis zu ihrem Beginn mussten Nutzer länger warten.

Die Ergebnisse zeichnen das Bild eines Marktes, der sich nach zwei Jahren des Preiswettbewerbs erholt, in dem der Verbrauch rasant wächst und Dienste deutlich größere Informationsmengen verarbeiten können. Sie zeigen außerdem, warum bei der Wahl eines KI-Dienstes mehr zählt als der Name des Modells: Verschiedene Plattformen erzielten beim Betrieb desselben Modells erheblich unterschiedliche Ergebnisse.

Was China in diesem Umfang verbraucht

Ein Token ist eine kleine Informationseinheit, die ein KI-Modell verarbeitet oder erzeugt. Bei Text kann es sich um ein Wort, einen Wortteil oder ein Satzzeichen handeln. Tokens ermöglichen es, den Arbeitsumfang eines Modells einheitlich zu messen. Wie viele Wörter einem Token entsprechen, ist jedoch je nach Sprache und System unterschiedlich.

Die Angabe der CAICT von rund 500 Billionen Tokens pro Tag beschreibt daher den Umfang der Modellaktivität. Der fast vierfache Anstieg seit Dezember 2025 entspricht einem Zuwachs von etwa 300 Prozent. Damit lag der Wert im Juni nahezu viermal so hoch wie zuvor.

Immer mehr Anbieter verkaufen den Zugang über Plattformen für „Model as a Service“, kurz MaaS. Kunden senden Anfragen über eine öffentliche Cloud-Schnittstelle zur Anwendungsprogrammierung, eine sogenannte API. Sie ermöglicht es einer Software, eine andere mit der Ausführung einer Aufgabe zu beauftragen. Unternehmen können so KI in ihre Produkte integrieren, ohne das zugrunde liegende Modell selbst betreiben zu müssen.

Was die Überwachung untersuchte

Das Forschungsinstitut für künstliche Intelligenz der CAICT veröffentlichte den Bericht gemeinsam mit dem Schlüssellabor für die Bewertung großer Modelle sowie von Hard- und Software des Ministeriums für Industrie und Informationstechnologie und der Allianz der KI-Industrie. Die Überwachung umfasst den Zeitraum von Januar bis August 2026.

Die Bewertung untersucht Erfolgsquoten bei Anfragen, Ausgabegeschwindigkeit, Wartezeit bis zum Beginn der Ausgabe, Stabilität, Preise und Kontextfenster. Sie vergleicht offizielle Modellplattformen mit Drittanbieterdiensten für DeepSeek, Qwen, GLM und Kimi, vier Familien von Open-Source-Modellen.

Laut CAICT fehlt Nutzern häufig eine einfache Möglichkeit, die Leistung von Token-Diensten einzuschätzen, und sie haben Schwierigkeiten, einen Anbieter auszuwählen. Die Messungen sollen dieses praktische Problem angehen, indem sie verschiedene Leistungsaspekte getrennt betrachten, die bei einer einzigen Preis- oder Geschwindigkeitsangabe verborgen blieben.

Die wichtigsten Daten zeigen, wie sich die Veränderungen entwickelten:

• Dezember 2025: Vergleichswert für den anschließenden nahezu vierfachen Anstieg des täglichen Token-Verbrauchs im Inland.
• Januar bis August 2026: Überwachungszeitraum des Berichts.
• Mai 2026: Die Überwachung bezog neue Versionen der vier Open-Source-Modellfamilien ein.
• Juni 2026: Der tägliche Token-Verbrauch im Inland erreichte rund 500 Billionen.
• August 2026: Die Ausgabegeschwindigkeit im Inland lag durchschnittlich bei 78,23 Tokens pro Sekunde.
• 23. Oktober 2026: Der Bericht wurde veröffentlicht.

Preise erholen sich nach zwei Jahren mit Preissenkungen

Die Preise für inländische Modelldienste waren in den zwei Jahren vor 2026 von starkem Wettbewerb geprägt. Der Anstieg von 6,8 auf 13,46 Yuan entspricht einem Plus von 6,66 Yuan nach der standardisierten Preismessung der CAICT und kommt damit nahezu einer Verdopplung des früheren Durchschnitts gleich.

Bei der Standardisierung werden unterschiedliche Preismodelle auf eine gemeinsame Basis umgerechnet, damit sie sich vergleichen lassen. Welche Abrechnungsmenge den genannten Yuan-Beträgen zugrunde liegt, wird nicht angegeben. Kunden können den Durchschnittswert im Bericht daher nicht direkt in die Kosten einer bestimmten Anfrage umrechnen.

Typische Modelle, die außerhalb Chinas 2026 eingeführt wurden, lagen bei derselben standardisierten Messung im Durchschnitt bei rund 117,8 Yuan. Das sind etwa 8,8-mal so viel wie der inländische Durchschnitt von 13,46 Yuan. Der Vergleich bezieht sich auf die überwachten Gruppen. Kunden zahlen für jedes Modell und jede Plattform weiterhin individuelle Preise.

Antworten kommen schneller, sobald die Generierung beginnt

Inländische Modelle erzeugten im August durchschnittlich 78,23 Tokens pro Sekunde, gegenüber durchschnittlich 38,25 im Jahr 2025. Der Anstieg betrug rund 105 Prozent, die Ausgabegeschwindigkeit hat sich also mehr als verdoppelt.

Diese Kennzahl, Durchsatz oder Tokens pro Sekunde (TPS) genannt, gibt an, wie schnell ein Dienst eine Antwort generiert. Ein höherer Wert kann die Zeit verkürzen, die für eine lange Antwort benötigt wird, sobald die Generierung läuft.

Typische Modelle außerhalb Chinas erreichten im August durchschnittlich 112,82 Tokens pro Sekunde und lagen damit rund 44 Prozent über dem inländischen Wert. Auch ihre Ausgabegeschwindigkeit war deutlich gestiegen: von 51,35 Tokens pro Sekunde im Dezember 2025, ein Plus von etwa 120 Prozent.

Die Vergleichszeiträume unterscheiden sich: Beim inländischen Wert dient der Durchschnitt des gesamten Jahres 2025 als Vergleich, beim ausländischen der Dezember. Beide Reihen zeigen eine deutliche Steigerung der Ausgabegeschwindigkeit. Im August lag der Durchschnitt der überwachten ausländischen Modelle dennoch höher.

Warum die erste Antwort länger auf sich warten lässt

Inländische Modelle benötigten im August durchschnittlich 1,26 Sekunden bis zum ersten Token, verglichen mit 0,78 Sekunden im Jahr 2025. Der Anstieg um 0,48 Sekunden entspricht rund 62 Prozent.

Diese Wartezeit wird als „Time to First Token“ oder TTFT bezeichnet. Bei einem Chatbot ist es die Pause zwischen dem Absenden einer Anfrage und dem Beginn der Antwort. Der Durchsatz misst dagegen das Tempo nach dieser Pause. Ein Dienst kann sich also bei der einen Kennzahl verbessern und bei der anderen langsamer werden.

Typische ausländische Modelle benötigten im August durchschnittlich 2,08 Sekunden bis zum Beginn der Antwort, verglichen mit 1,04 Sekunden im April. Inländische Modelle begannen die Ausgabe im August im Durchschnitt somit 0,82 Sekunden früher, obwohl sie anschließend langsamer ausgaben.

Die CAICT führt die längeren Verzögerungen zu Beginn auf mehrere gleichzeitige Entwicklungen zurück: größere Modelle, längere Kontexte und mehr Anfragen. Größere Modelle benötigen mehr Rechenleistung, längere Kontexte liefern ihnen mehr zu verarbeitende Informationen, und ein höheres Anfragevolumen belastet den Dienst stärker.

Modelle können deutlich mehr Informationen auf einmal verarbeiten

Von den überwachten Modellen unterstützten 47,8 Prozent Kontextfenster mit 1 Million Tokens. Ein deutlich größerer Anteil von 95,7 Prozent konnte mindestens 200.000 Tokens verarbeiten. Das ist ein Anstieg um mehr als 76 Prozentpunkte gegenüber Ende 2025.

Ein Kontextfenster bezeichnet die Informationsmenge, die ein Modell während einer Anfrage verarbeiten kann. Dazu können Anweisungen, der bisherige Gesprächsverlauf und zur Analyse eingereichte Dokumente gehören. Ein größeres Fenster gibt Nutzern mehr Spielraum, Informationen gemeinsam zu übermitteln, statt sie auf mehrere Anfragen aufzuteilen.

Die Zahlen zeigen, wie schnell sich größere Kontextfenster bei den überwachten Modellen verbreiteten. Fast die Hälfte bot eine Kapazität von 1 Million Tokens, während nur 4,3 Prozent unter 200.000 blieben. Der Anstieg um mehr als 76 Prozentpunkte bedeutet, dass Ende 2025 weniger als 19,7 Prozent der Modelle mindestens 200.000 Tokens unterstützten.

Für Unternehmen, die umfangreiche Dokumente verarbeiten, verändert diese größere Kapazität, was sich in einer einzelnen Aufgabe unterbringen lässt. Sie hilft auch zu erklären, warum der Bericht neben der Wartezeit die Kapazität untersucht: Ein Modell kann vor seiner ersten sichtbaren Antwort deutlich mehr Informationen verarbeiten.

Dasselbe Modell arbeitet auf verschiedenen Plattformen unterschiedlich

Bei den Diensten für DeepSeek, Qwen, GLM und Kimi gab es je nach Anbieter Unterschiede beim Durchsatz, bei der Antwortzeit bis zum ersten Token und bei den Erfolgsquoten von Anfragen. Bei demselben Modell näherte sich die Differenz der Ausgabegeschwindigkeit zwischen den Plattformen einem Faktor von zwei.

Manche Drittanbieterdienste schnitten besser ab als die offiziellen Plattformen. Die CAICT führt die Unterschiede auf abweichende Verfahren zur Beschleunigung der Inferenz, Optimierungsstrategien und Kostenkontrolle zurück. Inferenz ist der Rechenprozess, bei dem ein trainiertes Modell eine Antwort erzeugt. Anbieter können diesen Prozess unterschiedlich organisieren und optimieren.

Auch Versionswechsel spielten eine Rolle. Im August erreichte DeepSeek-V4-Pro den doppelten Durchsatz von DeepSeek-V3.2. Nach den Aktualisierungen im Mai stieg die Wartezeit bei den überwachten Modellen zunächst generell an und ging anschließend zurück, als die Anbieter Optimierungen einführten. Allmählich näherten sich die Verzögerungen wieder dem Niveau vor den Aktualisierungen.

Kunden müssen bei der Wahl eines Dienstes daher zwei zusammenhängende Entscheidungen treffen: welches Modell sie nutzen und auf welcher Plattform es laufen soll. Die Ergebnisse des Berichts machen die Leistung auf Anbieterebene zu einem konkreten Faktor bei dieser Entscheidung.

Was die Veränderungen für Kunden bedeuten

Unternehmen, die heute Zugang zu KI kaufen, müssen sich auf höhere durchschnittliche Inlandspreise einstellen. Gleichzeitig profitieren sie von schnellerer Ausgabe und deutlich größeren Kontextfenstern. Welcher Vergleich am hilfreichsten ist, hängt von der Aufgabe ab: Bei einem interaktiven Chat zählt ein schneller Beginn besonders, während es bei langen Antworten stärker auf eine dauerhaft hohe Ausgabegeschwindigkeit ankommt.

Ein Dienst zur Dokumentenanalyse benötigt möglicherweise ein großes Kontextfenster. Eine Anwendung, die wiederholt Kundenanfragen bearbeitet, ist außerdem auf erfolgreiche Aufrufe und stabile Leistung angewiesen. Die CAICT berücksichtigt all diese Messgrößen, weil sie unterschiedliche Aspekte der Nutzererfahrung beeinflussen.

Insgesamt zeigt der Bericht einen Markt, der bei Umfang und Leistungsfähigkeit wächst, zugleich aber nach der standardisierten Preismessung teurer wird. Inländische Dienste behielten gegenüber den überwachten ausländischen Modellen einen deutlichen Preisvorteil und begannen im August durchschnittlich früher mit der Antwort. Ausländische Modelle erzeugten nach dem Beginn der Ausgabe schneller Tokens. Bei beiden Gruppen zeigt die längere Wartezeit bis zum ersten Token den zusätzlichen Druck, der mit größeren Modellen und intensiverer Nutzung einhergeht.

Wichtige Punkte

• China verbrauchte im Juni 2026 täglich rund 500 Billionen KI-Tokens, fast viermal so viele wie im Dezember 2025.
• Die standardisierten Inlandspreise stiegen um rund 98 Prozent, von 6,8 auf 13,46 Yuan.
• Die Ausgabegeschwindigkeit inländischer Modelle lag im August durchschnittlich bei 78,23 Tokens pro Sekunde und damit mehr als doppelt so hoch wie der Durchschnitt von 2025.
• Die Wartezeit inländischer Modelle bis zum ersten Token stieg von 0,78 auf 1,26 Sekunden.
• 95,7 Prozent der überwachten Modelle unterstützten Kontextfenster mit mindestens 200.000 Tokens.
• Die Ausgabegeschwindigkeit desselben Modells unterschied sich je nach Plattform um nahezu den Faktor zwei. Manche Drittanbieter schnitten besser ab als die offiziellen Dienste.